[发明专利]在保护隐私的同时识别人及/或识别并量化疼痛、疲劳、情绪及意图的系统及方法

说明书

所揭示的技术尤其实现人的识别及心理感知(例如，疼痛、疲劳、情绪)及/或意图(例如，执行动作的意图)的特性化用于医疗、安全、家庭护理及其它目的。需要长期患者监测的应用具有重要意义，例如跟踪疾病进展(例如，多发性硬化)，或监测治疗或康复疗效。因此，必须随时间获取纵向数据以获得所述人的身份及其它特性(例如，疼痛级别、手杖的使用)。然而，人识别的常规方法(例如，摄影)获取不必要的个人信息，从而导致隐私问题。所揭示的技术允许在保护隐私的同时执行测量并以部分或不完整测量起作用，使其针对真实世界(嘈杂、不受控制)环境(例如在人的家中(无论是独居还是与他人一起居住))是稳健的。

优先权申请案

本申请案主张2016年8月2日申请的序列号为62/370,083的美国临时专利申请案及2016年12月22日申请的序列号为62/438,229的美国临时专利申请案的优先权及权益，所述申请案的全部内容特此以引用的方式并入本文中。

技术领域

本发明大体上涉及使用基于传感器的数据识别人及/或使用(例如，物理属性及运动的)人类身体的测量来特性化心理感知(例如，疼痛、疲劳、情绪)及/或意图(例如，执行动作的意图)的系统及方法，以上所有都在保护所述人隐私的同时进行。

背景技术

从照片、实时图像及许多其它类型的基于传感器的数据识别人的挑战与各种行业及应用相关。举例来说，所述问题在安全行业中普遍存在，其中人们可能需要被筛选以进入受控区域，或者基于先前的接触被标记为威胁。

许多当前的识别方法依赖于面部或指纹辨识来提供人的唯一识别。这些方法可在操作参数或条件的一定范围内实现准确识别，但是在其相当严格的操作条件集之外会显著降级或无功能。举例来说，面部辨识对照明的变化(例如，低光或完全黑暗)不稳健。面部辨识的准确度通常随着从相机到对象的距离的增加而降级(例如，不存在足够的分辨率来辨别面部属性)。此外，如果人背对相机，那么面部辨识完全失败。类似地，基于接近度的生物辨识技术(例如指纹辨识及视网膜扫描)，在要求在几厘米之外识别人的应用中变得不可能的。

许多当前识别方法仅在人采用狭窄定位、位置或姿势时才能正确工作。举例来说，获取指纹需要将特定手指直接放置在特定传感器附近。举例来说，用于膝上型计算机的面部辨识登录系统要求面部在计算机相机的预先指定的近距离范围内。因此，许多当前识别方法难以在人正常地在环境中移动(即，不是故意地将他自己/她自己呈现给传感器)时识别人。

对于一些人识别方法，隐私问题尤其令人生畏。举例来说，依赖于人的面部或身体的视觉数据的方法可暴露超过人识别专门所需的信息，例如穿什么衣服，或者阅读或查看什么材料。通过已知方法模糊或隐藏视觉图像的尝试仍然可能易于受“逆向工程”影响，借此在数学上重建视觉图像。

遮挡及视场对某些人识别方法施加进一步的限制。举例来说，依赖于人的步态(步行模式)或剪影(轮廓)的方法可取决于特定视场(例如，非遮挡视场)的可用性、特定人定向(例如，相对于传感器)、或特定特征(例如，属性或性质)的可用性。当任何这些先决条件不可用或无法唯一地识别特定人时，此类方法易于失败，尤其是在例如人的家中的不受控的(例如，不整洁或暂时的)环境中。因为运动的物理测量可能是微妙的并且难以在现实世界环境中实现，所以基于运动(例如，步态)的人识别带来额外挑战。

用于特性化个人的运动的当今方法通常利用一维数据流(例如，当某人穿过时被“破坏”的红外光束)；二维数据流(例如，网络摄像头照片或视频)；或者三维数据流(例如，深度图像，其中图像的每一像素对应于从传感器到视场中的物体的某一部分的现实世界距离)。在这些各种数据流中，可识别所谓的“特征”-即所关注的计算特性，例如人脸上的解剖标志。在本文中我们将相对恒定的特征称为“静态”(例如，眼睛到眼睛距离)，并将随时间明显改变的特征称为“动态”(例如，相对于传感器的眼睛注视角度)。